پایان نامه ارشد با موضوع رگرسیون، اثرات ثابت، روش حداقل مربعات، روش پژوهش

دانلود پایان نامه ارشد

ا استفاده از نرم افزار EViews 7 و روش های آزمون لوین ، لین و چو150(2002) ، آزمون ایم ، پسران و شین151 (2003)، آزمون ریشه واحد فیشر – دیکی فولر تعمیم یافته152 و آزمون ریشه واحد فیشر – فیلیپس پرون153(1999) و چویی154 انجام می شود (مشکی و دهدار،1390).
اين آزمونها اصطلاحاً آزمون هاي ريشه واحد پانل ناميده مي شوند، از لحاظ تئوري آنها آزمون هاي ريشه واحد سري هاي چندگانه هستند كه براي ساختارهاي اطلاعات پانل بكار رفته اند. در اين آزمون ها روند بررسي مانايي همگي به يك صورت است و با رد H0 عدم مانايي رد مي شود و بيانگر مانايي متغيّر است. بنابراين با رد فرضيه H0 نامانايي يا ريشه واحد رد مي شود و مانايي پذيرفته مي شود. كه يا در سطح و يا با يك تفاضل و يا با دو تفاضل مانا مي شود كه براي تشخيص اين قسمت به Prob آن توجه مي شود كه بايستي از 5 درصد كوچكتر باشد(شاهچراو همکارش،1390:103).
3-11-7).آزمون معنی دار بودن اثرات فردی F لیمر
براي انتخاب بين روشهاي دادههاي تابلويي و داده‏هاي تلفيقي، از آماره F ليمر155 استفاده مي‏شود.
در اين آزمون فرضيه بيانگر يكسان بودن عرض از مبدأها(داده‌هاي تلفيقي) و فرضيه مخالفنشان دهنده ناهمساني عرض از مبدأها(روش داده‏هاي تابلويي) مي باشد. لذا مي‏توان نوشت:
(روش داده‌هاي تلفيقي) H0=α1=α2=…=α
(روش داده‌هاي تابلويي) حداقل يكي از عرض از مبدأها با بقيه متفاوت است:H1
اگر مقدار p-value محاسبه شده بيشتر از سطح خطاي 5 درصد باشد، فرض صفر رد نميشود و بايد از روش داده‌هاي تلفيقي استفاده شود. در غير اين صورت از روش داده ‏هاي تابلويي استفاده خواهدشد(بالتاجي156، 1391).
3-11-8).آزمون هاسمن
اگر بعد از انجام آزمون F ليمر فرضيه H0 رد شود، اين پرسش مطرح ميشود که برآورد مدل در قالب کدام يک از روش‌هاي اثرات ثابت(یعنی عرض از مبدأها، پارامترهای نامعلوم ولی ثابت هستند) يا اثرات تصادفي (یعنی عرض از مبدأها تصادفی و مستقل از متغیرهای توضیحی است)انجام شود. آماره آزمون‌هاسمن157 براي تشخيص ثابت يا تصادفي بودن تفاوت واحدهاي مقطعي مورد استفاده قرار ميگيرد. در آزمون‌هاسمن فرضيه‌هاي H0 و H1 به صورت زير تعريف مي شوند:
H0: bs=(βs) ̂روش اثرات تصادفی (هیچ همبستگی بین اثرات ثابت ورگرسورها وجودندارد)
H1: bs ≠(βs) ̂ روش اثرات ثابت (حداقل یک همبستگی بین اثرات ثابت ورگرسورها وجوددارد)
اگر مقدار p-value محاسبه شده بيشتر از سطح خطاي 5 درصد باشد، فرض صفر رد نميشود و بايد از روش اثرات تصادفي استفاده شود و اگر اين فرضيه رد شود روش اثرات ثابت ملاك تجزيه و تحليل قرار خواهد گرفت (همان منبع).

3-11-9).آزمونt
از آزمون t به منظور بررسي معنيدار بودن ضرايب محاسبه شده، ضرايب همبستگي و مدل‌هاي رگرسيوني استفاده ميشود. به طور کلي آزمون معنيدار بودن روشي است که با استفاده از نتايج نمونه درستي يا نادرستي فرضيه H0 را در جامعه تعيين مينمايد. تصميم درباره پذيرش و يا رد نيز بر اساس مقدار عددي تابع آزمون حاصل از داده‌هاي موجود انجام ميشود. بر اساس اين آزمون چنانچه سطح معني داري محاسبه شده بيش از 5 درصد باشد، مقادير محاسبه شده از لحاظ آماري در سطح اطمينان 95 درصد معنيدار نخواهند بود.
به طور رايج در کليه برآورد‌ها، اين آزمون براي بررسي معني داري ضرايب مدل مورد استفاده قرار ميگيرد به اين معني که فرضيه H0، که صفر بودن ضريب و در نتيجه عدم تأثير متغير مستقل مربوطه بر متغير وابسته در جامعه مورد بررسي ميباشد، را مورد آزمون قرار ميدهد. در صورت رد فرضيه H0، فرضيه H1 که مخالف صفر است(يعني اثرگذاري متغير مستقل بر متغير وابسته)، مورد پذيرش قرار ميگيرد(گجراتي، 1387).

3-11-10).ضریب تعیین
با استفاده از ضريب تعيين(R2) ، مناسب بودن خط رگرسيون برازش شده اساس مجموعه اي از داده‌ها مورد بررسي قرار ميگيرد. به طور کلي اگر تمام مشاهدات مربوط به متغير وابسته بر روي خط رگرسيون باشند، برازش کامل بدست خواهد آمد که اين حالت کمتر اتفاق مي افتد. عموماً بعضي از et‌ ها مثبت و برخي ديگر منفي هستند و بنابراين مشاهدات مربوط به متغير Y در اطراف خط رگرسيون برازش شده قرار مي گيرند. نتيجه مطلوب مورد انتظار اين است که اين باقي مانده‌ها در اطراف خط رگرسيون تا حد ممکن کوچک باشند. در اين راستا ضريب تعيين معيار خلاصه اي است که بيان ميکند چگونه خط رگرسيون نمونه داده‌ها را به خوبي برازش ميکند(همان منبع). با توجه به توضيحات فوق به طور خلاصه تغييرات کل مقادير مشاهده شده Y از ميانگين آن را ميتوان به دو بخش تقسيم نمود که يک بخش از آن قابل استناد به خط رگرسيون(Ŷ) و بخش ديگر آن قابل استناد به نيرو‌هاي تصادفي ميباشد(e).
بنابراينTSS= ESS + RSS که در آن TSS کل تغييرات متغير وابسته را حول ميانگين آن نشان ميدهد، ESS قسمتي از تغييرات را که توسط رگرسيون برآورد شده است و RSS قسمت مربوط به تغييرات تصادفي Y را نشان ميدهد. با تقسيم طرفين اين رابطه بر TSS، رابطه بدست ميآيد:
1=ESS/TSS+RSS/TSS=(∑▒(Ŷ_i-Y ̅ )^2 )/(∑▒(Y_i-Y ̅ )^2 )+(∑▒e_i^2 )/(∑▒(Y_i-Y ̅ )^2 )
و در نتيجه ضريبR2 به صورت رابطه تعريف ميگردد:
R^2=ESS/TSS=(∑▒(Ŷ_i-Y ̅ )^2 )/(∑▒(Y_i-Y ̅ )^2 )
با توجه به رابطه مي توان گفت که R2 درصد تغييرات کل در Y که به وسيله مدل رگرسيون توضيح داده شده است را اندازه گيري مينمايد. با توجه به رابطه مي توان گفت که R2 هم مثبت و هم کوچکتر از يک ميباشد. در حالت برازش کامل رگرسيون که معمولاً اتفاق نميافتد R2 برابر با يک و در حالت عدم ارتباط بين متغير وابسته و مستقل برابر صفر ميباشد. به طور کلي هر چه مقدار اين ضريب به يک نزديکتر باشد، نشان دهنده برازش بهتر مدل خواهد بود(گجراتي، 1387).

3-11-11).آزمون F رگرسیون
در معادله رگرسيون چند گانه، چنانچه رابطه اي ميان متغير وابسته و متغير‌هاي مستقل وجود نداشته باشد، بايد تمام ضرايب متغير‌هاي مستقل در معادله، مساوي صفر باشند. با داشتن مدل رگرسيون چند متغيره قاعده تصميمگيري به صورت زير ميباشد:
تمامي ضرايب شيب به طور همزمان صفر هستند …=0 β2= H0: β1=
حداقل يکي از ضرايب شيب غير صفر است …≠0 β2= H1: β1=
اگر در سطح اطمينان 95 درصد، آماره F محاسبه شده از معادله رگرسيون، بزرگتر از مقدار F جدول باشد، فرض صفر رد ميشود و در غير اين صورت فرض صفر رد نميشود(بالتاجي، 2005).
3-11-12). برآورد ضرایب رگرسیون
یکی از مباحث اصلی تحلیلهای رگرسیونی، تخمین پارامترهای مدل است. از آنجائیکه پارامترهای واقعی جامعه هیچگاه قابل مشاهده و اندازه گیری نیستند(زیرا tε اساساً قابل مشاهد نیست)، در نتیجه می توان با تخمین پارمترها، مدل رگرسیونی نمونه را برآورد کرد. برای برآورد مدل های رگرسیون، بسته به نوع مدل، روشهای متفاوتی وجود دارد.
3-11-12-1).روش حداقل مربعات معمولی(OLS)
براي مدل‌هاي رگرسيون خطي، روش حداقل مربعات معمولي(OLS)158 ساده ترين و مرسوم ترين روش برآورد است. زيربناي فکري روش حداقل مربعات معمولي اين است که ضرايب مدل مقاديري اختيار کنند که مدل رگرسيون نمونه، بيشترين نزديکي را به مشاهدات داشته باشد و به عبارت ديگر کمترين انحراف را از مشاهدات نشان دهد(یعنی مجموع مربعات پسماند به حداقل برسد).
روش OLS براي برآورد ضرايب نياز به هيچ شرطي روي جمله اخلال ندارد اما براي آنکه ضرايب برآورد شده نااريب(بدون تورش) باشند و استنتاج آماري از طريق آنها امکان پذير باشد، برقرار بودن فروض کلاسيک رگرسيون خطي الزامي است. اگر بعد از انجام OLS، آزمون‌هاي آماري بر نقض يکي از فروض کلاسيک صحه بگذارند، ديگر استفاده از روش OLS براي برآورد مقادير، مجاز نخواهد بود. در اين صورت بايد مدل يا روش برآورد تغيير داده شود.به طور سنتی در داده های مقطعی انتظار “واریانس ناهمسانی” و در دادهای سری زمانی انتظار” خود همبستگی” را داریم.(گجراتي، 1387).
3-11-12-2).روش حداقل مربعات تعمیم یافته(GLS)
در صورت مشاهده ی ناهمساني واریانس ، ميتوان از “روش حداقل مربعات تعميم يافته(GLS)159 ” براي برآورد ضرايب استفاده کرد. البته استفاده از اين روش نيازمند حدس‌هايي در مورد ماتريس واريانس-کوواريانس جملات اخلال است که در اين مورد، استفاده از ماتريس واريانس-کوواريانس جملات اخلال مدل OLS برآورد شده به عنوان نقطه شروع و استفاده از روش‌هاي تکرار شونده160 ميتواند راهگشا باشد.
3-12).خلاصه فصل
روش پژوهش علمي، كلية مراحل سيستماتيك جمع آوري داده‌ها، طبقه بندي، تجزيه و تحليل منطقي آنها براي رسيدن به هدف پژوهش را در بر ميگيرد كه در اين فرايند يك عمل يا يك موقعيت نامعين، مشخص ميگردد. در اين فصل روش شناختي پژوهش حاضر ارائه گرديد، به طوریکه ابتدا دلايل و مباني تدوين فرضيه‏‌ها، فرضيههاي پژوهش و سپس مدل‏‌هاي آزمون فرضيه‏‌هاي مزبور بيان شد. در ادامه به شيوه‏ي محاسبه‏ي متغير‌ها و دلايل به کار گيري متغير‌هاي مزبور در مدل‌هاي ارائه شده پرداخته شد. مکان و دوره‏ي زماني پژوهش، جامعه آماري و شيوه‏ي نمونه‏گيري از ديگر موارد بيان شده در اين فصل مي‏باشد. در نهايت چگونگي استخراج و آماده سازي اطلاعات و آزمون ‏هاي آماري و معيار‌هاي استفاده شده به منظور مقايسه‏ي مدل‏‌ها و نرم افزار‌هاي آماري مورد نياز بيان شد. با توجه به مطالبي که در خصوص آزمون فرضيه‌ها و نحوة رد يا تاييد آنها بيان گرديد، در فصل چهارم داده‌هاي جمع آوري شده با استفاده از نرم افزارهاي Eviews8 مورد تجزيه و تحليل قرار ميگيرند و فرضيه‌ها آزمون ميشوند.

فصل چهارم:
تجزيه و تحليل داده‏ها

4-1).مقدمه
تجزيه و تحليل اطلاعات به عنوان بخشي از فرآيند روش پژوهش علمي، يکي از پايههای اصلي مطالعه و بررسي است. به عبارتی ديگر در اين فصل براي پاسخگويي به مسأله تدوين شده و يا تصميمگيري در مورد تأييد يا رد فرضيه يا فرضيههايي که براي پژوهش در نظر گرفته است، از روشهای مختلف تجزيه و تحليل استفاده مي شود. پس از آنکه در فصل گذشته روش پژوهش مشخص شد، اکنون نوبت آن است که داده‏هاي مورد نياز براي آزمون فرضيه های پژوهش جمع‏آوري شوند و با استفاده از روش‏هاي آماري متناسب با روش پژوهش و نوع متغيرها، دستهبندي و تجزيه و تحليل گردند.
همانطور که در فصل قبل بیان شد، پژوهش حاضر دارای 4 مدل اصلی برای آزمون فرضیه های پژوهش و 2 مدل جانبی برای برآورد متغیرهای مستقل اقلام تعهدی اختیاری و پیش بینی جریان وجه نقد عملیاتی می باشد ؛ لذا در این فصل ابتدا متغیرهای مورد نیاز برای برآورد آزمون فرضیه ها محاسبه می شود(برآورد مدل های جانبی)، در این فصل با استفاده از داده های جمع آوری شده در اکسل که شامل148 شرکت در دوره زمانی1393-1389 می باشد فرضیه های تحقیق مورد آزمون قرار می گیرد. روش آزمون فرضیات، روش داده های پانل است که با نرم افزار 8Eviews انجام خواهد شد. در نهایت آزمون فرضیه ها مورد بررسی و تجزیه و تحلیل قرار خواهند گرفت.

4-2). آزمون هاي آماری لازم جهت تحلیل رگرسیون چندمتغیره

در این تحقیق از تحلیل رگرسیونی و روش داده هاي ترکیبی، براي آزمون فرضیات و برآورد متغیرها
استفاده شده است. تحلیل رگرسیونی روشی براي مطالعه سهم یک یا چند متغیر مستقل در پیش بینی متغیر وابسته است. آزمون هاي آماري لازم و نوع آماره استفاده شده جهت تحلیل رگرسیون چند متغیره در سطح اطمینان95% در جدول شماره(4-1) آورده شده است

جدول شماره(4-1):آزمون های آماری جهت تعیین رگرسیون چندمتغیره

مدل ها
نوع آزمون استفاده شده
نوع آماره استفاده شده
کلیه فرضیه ها
آزمون نرمال بودن (وابسته-پسماند)* 161
جارک-برا

آزمون نرمال سازی (در صورت نیاز)
تبدیل جانسون

آزمون مانایی
Levin, lin

تشخیص

پایان نامه
Previous Entries پایان نامه ارشد با موضوع رگرسیون، سریهای زمانی، داده های تلفیقی، داده های سری زمانی Next Entries پایان نامه درمورد متغیر مستقل، دارایی های نامشهود، دارایی ها، مزیت رقابتی